[電子科技大學(xué) 成都 611731]

引言

政務(wù)微信是黨政機(jī)構(gòu)和行政事業(yè)單位注冊(cè)微信公眾號(hào)，并在微信公眾號(hào)上發(fā)布各種政務(wù)信息，為民眾提供相應(yīng)信息與服務(wù)的平臺(tái)，其作用主要體現(xiàn)在以下四個(gè)方面：為政府信息提供更為多樣的表達(dá)方式；作為深社交、精傳播、強(qiáng)關(guān)系的社交平臺(tái)，為政府信息提供更為有效的傳播方式；讓政民交流溝通更加暢通；加強(qiáng)提升政府的服務(wù)能力。自2012年8月30日，我國第一個(gè)政務(wù)微信“廣州應(yīng)急—白云”開通并成功運(yùn)營以來，政務(wù)微信公眾號(hào)如雨后春筍般迅速發(fā)展起來。如今，政務(wù)微信已成為了我國“兩微一端”政務(wù)新媒體發(fā)展模式的重要組成部分，成為了各個(gè)黨政機(jī)構(gòu)發(fā)布信息、提升政民關(guān)系、引導(dǎo)社會(huì)輿論的重要平臺(tái)[1]。雖然創(chuàng)建在線政務(wù)微信平臺(tái)的政府部門越來越多，但是政務(wù)社交媒體的公眾參與活躍度不足正制約著政務(wù)微信的健康發(fā)展。如何更有效地發(fā)揮政務(wù)微信的作用和影響力，提升政務(wù)微信的傳播力、服務(wù)力和互動(dòng)力水平，成為了一個(gè)亟待解決的問題。

雖然現(xiàn)有國內(nèi)外文獻(xiàn)對(duì)消費(fèi)型社交媒體平臺(tái)用戶參與作了較為廣泛且深入的研究，但是，就政務(wù)社交媒體來說，用戶方面的研究依然極其缺乏?？紤]到消費(fèi)型社交媒體和政務(wù)社交媒體在平臺(tái)開辦主體和用戶參與動(dòng)機(jī)等方面存在的顯著差異性，現(xiàn)有基于消費(fèi)型社交媒體平臺(tái)的用戶參與研究的結(jié)論自然無法推廣到政務(wù)社交媒體情境中。有鑒于此，研究哪些因素影響政務(wù)社交媒體用戶的參與是有積極意義的。這也是各級(jí)政務(wù)新媒體應(yīng)用不斷優(yōu)化自身的信息傳播、輿論引導(dǎo)和公共信息治理的能力的必然要求。

現(xiàn)有文獻(xiàn)對(duì)政務(wù)社交媒體的研究主要聚焦于用戶參與意愿與接受度的研究。吳云和胡廣偉提出了一個(gè)政務(wù)社交媒體的公眾接受模型。通過驗(yàn)證性因子分析發(fā)現(xiàn)，社會(huì)影響和社會(huì)評(píng)價(jià)是影響用戶使用意愿的主要因素，績效預(yù)期和感知可信性通過社會(huì)評(píng)價(jià)產(chǎn)生影響，而焦慮和付出預(yù)期影響不顯著[2]。孫厚權(quán)等人采用社會(huì)網(wǎng)絡(luò)分析法, 對(duì)政務(wù)微博中意見領(lǐng)袖的社會(huì)網(wǎng)絡(luò)結(jié)構(gòu)進(jìn)行分析, 研究其社會(huì)網(wǎng)絡(luò)的密度、中心性、位置與角色等問題[3]。謝麗娜梳理和總結(jié)了電子政務(wù)用戶接受/采納模型的相關(guān)研究[4]。謝麗娜和周慶山在技術(shù)接受模型、創(chuàng)新擴(kuò)散理論和信任理論的基礎(chǔ)上，結(jié)合政務(wù)微博的特點(diǎn)，構(gòu)建了政務(wù)微博使用的影響因素模型[5]。徐蕾以政務(wù)社交媒體用戶的接受意愿為研究對(duì)象，探索構(gòu)建了政務(wù)社交媒體用戶使用意愿研究模型[6]。劉曉琪建立了由用戶的需求因素和信任為自變量、滿意度為中介變量、微博使用經(jīng)驗(yàn)為控制變量、政務(wù)微博用戶參與為因變量的假設(shè)模型，并通過問卷調(diào)查方法收集數(shù)據(jù)驗(yàn)證了假設(shè)[7]。針對(duì)政務(wù)微博在突發(fā)事件中的信息發(fā)布及其影響，周莉等人采用內(nèi)容分析法進(jìn)行研究[8]。李宗富和張向先運(yùn)用DEMATEL方法，識(shí)別出政務(wù)微信用戶持續(xù)性使用意愿影響因素。劉增光則使用滿足理論、梳理文獻(xiàn)等方法，通過因子分析識(shí)別用戶動(dòng)機(jī)，并基于S-O-R框架和體驗(yàn)理論建立和驗(yàn)證了政務(wù)微博公眾用戶持續(xù)使用意愿的影響因素的結(jié)構(gòu)方程模型[9]。謝起慧和彭宗超基于技術(shù)接受模型，通過結(jié)構(gòu)方程模型，比較政務(wù)微博和政務(wù)微信不同的危機(jī)溝通機(jī)制[10]。

綜合來看，目前用戶視角的政務(wù)社交媒體參與行為研究主要采用問卷調(diào)查的研究方法從用戶心理視角基于信息管理和圖書館情報(bào)學(xué)研究領(lǐng)域經(jīng)典的信息接受與采納模型進(jìn)行了研究，且研究對(duì)象主要是政務(wù)微博。調(diào)研結(jié)論往往基于小規(guī)模的用戶調(diào)研?？紤]到政務(wù)社交媒體本質(zhì)上可以看作是一個(gè)信息系統(tǒng)，本研究基于信息系統(tǒng)成功模型識(shí)別了影響用戶政務(wù)微信參與活躍度的因素，并以此建立了一個(gè)計(jì)量模型。我們基于四川省21個(gè)市州政府（即18個(gè)地級(jí)市和西昌市、康定市、馬爾康縣）政務(wù)微信公眾參與數(shù)據(jù)構(gòu)建了一個(gè)以天為單位的面板數(shù)據(jù)集對(duì)提出的計(jì)量模型進(jìn)行了檢驗(yàn)。研究結(jié)果表明政務(wù)微信發(fā)文量、評(píng)論回復(fù)量、系統(tǒng)的定制化水平、是否每日發(fā)文對(duì)公眾參與政務(wù)微信的活躍度均有顯著的積極影響。研究結(jié)果不僅可以豐富對(duì)在線政務(wù)社交媒體環(huán)境下用戶參與行為的理解，也可以幫助政務(wù)社交媒體平臺(tái)管理者采取更具針對(duì)性的管理措施強(qiáng)化媒體用戶互動(dòng)，推進(jìn)政務(wù)新媒體矩陣建設(shè)。

一、研究與假設(shè)

本文采用了信息系統(tǒng)成功模型對(duì)政務(wù)微信公眾參與度活躍度的影響機(jī)理進(jìn)行研究。信息系統(tǒng)成功模型由DeLone和McLean在1992年首次提出，在眾多學(xué)者的深度分析挖掘補(bǔ)充后在2003年被改進(jìn)。該模型認(rèn)為，信息質(zhì)量、系統(tǒng)質(zhì)量和服務(wù)質(zhì)量是信息系統(tǒng)成功的因素，它們會(huì)通過影響用戶的使用意愿和用戶滿意來影響組織凈收益。此理論一經(jīng)提出便得到廣泛應(yīng)用?；诖死碚?，孫良文對(duì)電子政務(wù)服務(wù)進(jìn)行了詳細(xì)的分析，得出了電子政務(wù)成功的關(guān)鍵因素[11]。謝佳琳等人則將高校圖書館的用戶標(biāo)注行為作為研究對(duì)象，運(yùn)用問卷調(diào)查和結(jié)構(gòu)方程模型的方法，研究了系統(tǒng)質(zhì)量、信息質(zhì)量、服務(wù)質(zhì)量、后悔以及滿意等因素對(duì)用戶標(biāo)注行為的影響[12]。郭岷江等人將信息系統(tǒng)成功模型結(jié)合其他理論進(jìn)行模型拓展，對(duì)我國衛(wèi)生信息系統(tǒng)進(jìn)行了分析并提出了改進(jìn)的建議[13]。同時(shí)，回顧以往文獻(xiàn)發(fā)現(xiàn)，系統(tǒng)質(zhì)量、信息質(zhì)量、服務(wù)質(zhì)量會(huì)影響用戶的參與意愿與參與活躍度。例如，王文韜等人提出了信息質(zhì)量和系統(tǒng)質(zhì)量對(duì)虛擬健康社區(qū)用戶使用意愿有正向影響[14]。孫良文提出了政務(wù)社交媒體服務(wù)質(zhì)量對(duì)用戶參與的重要性[11]。徐卓鈺發(fā)現(xiàn)信息質(zhì)量和服務(wù)質(zhì)量通過對(duì)感知有用性的正向影響從而實(shí)現(xiàn)對(duì)用戶參與的正向影響，系統(tǒng)質(zhì)量通過對(duì)感知易用性正向影響實(shí)現(xiàn)對(duì)用戶參與意愿的正向影響[15]。因此，本研究基于改進(jìn)的信息系統(tǒng)成功模型，將每一個(gè)政務(wù)微信公眾號(hào)看作一個(gè)簡單的信息系統(tǒng)，從系統(tǒng)質(zhì)量、信息質(zhì)量、服務(wù)質(zhì)量對(duì)政務(wù)微信公眾號(hào)進(jìn)行解讀，以期探尋政務(wù)微信公眾參與活躍度的影響機(jī)理。

（一）系統(tǒng)質(zhì)量的影響

Delone和Mclean指出，系統(tǒng)質(zhì)量一般通過易用性、功能性、可靠性、靈活性、數(shù)據(jù)質(zhì)量、可移植性、整合性和重要性等指標(biāo)來評(píng)估[16]?？紤]到政務(wù)微信都建立在微信平臺(tái)之上，本文中的系統(tǒng)質(zhì)量指系統(tǒng)功能的定制化，它主要體現(xiàn)在政務(wù)微信是否擁有定制化的自定義菜單設(shè)置。作為政務(wù)微信界面用戶操作的設(shè)置，系統(tǒng)功能的定制化有利于增強(qiáng)政務(wù)微信的易用性和提升政務(wù)微信的系統(tǒng)質(zhì)量。同時(shí)，黃煒等人提出了公眾號(hào)的系統(tǒng)質(zhì)量包含自定義菜單的設(shè)置[17]。張春福認(rèn)為系統(tǒng)質(zhì)量會(huì)正向影響用戶滿意進(jìn)而影響用戶參與[18]。因此，本文提出以下研究假設(shè)：

H1：系統(tǒng)功能的定制化對(duì)政務(wù)微信用戶的參與活躍度有積極影響。

（二）信息質(zhì)量的影響

信息質(zhì)量是指信息的準(zhǔn)確性、時(shí)效性和持續(xù)性等[16]。監(jiān)獄政務(wù)微信用作部門公眾號(hào)的現(xiàn)實(shí)，在本研究中，信息質(zhì)量指的是公眾號(hào)的信息的豐富性，具體表現(xiàn)在政府相關(guān)部門每日發(fā)文的數(shù)量。每日發(fā)文數(shù)量在一定程度上體現(xiàn)了信息的完整度和內(nèi)容的豐富程度。黃煒等人指出，內(nèi)容的豐富度是信息質(zhì)量衡量的重要指標(biāo)之一[17]。孟猛和朱慶華提出，信息的豐富度會(huì)通過正向影響感知有用性來影響用戶對(duì)系統(tǒng)的使用意愿[19]。楊一翁等人也提出，購物網(wǎng)站的信息豐富性會(huì)增加用戶采納網(wǎng)站推薦的概率[20]?；诖耍岢鲆韵录僭O(shè)：

H2：每日發(fā)文數(shù)量對(duì)政務(wù)微信用戶的參與活躍度有積極影響。

（三）服務(wù)質(zhì)量的影響

服務(wù)質(zhì)量是建立在顧客期望與顧客感知的基礎(chǔ)上的，是期望和感知之間的差距。在本研究中，我們把評(píng)論響應(yīng)量（微信公眾號(hào)對(duì)于用戶評(píng)論的回復(fù)數(shù)量）和是否每日發(fā)文作為服務(wù)質(zhì)量的衡量標(biāo)準(zhǔn)。一方面，用戶對(duì)每篇文章通過評(píng)論形式表達(dá)自己的看法、問題或觀點(diǎn)，當(dāng)其得到了信息發(fā)布者（微信公眾號(hào)）方面的回應(yīng)時(shí)，會(huì)在內(nèi)心感到被重視，從而提升了用戶的存在感和親密感，從而激發(fā)用戶持續(xù)參與的意愿。另一方面，每日發(fā)文即每日對(duì)用戶提供消息推送服務(wù)，增大了對(duì)用戶的服務(wù)力度。同時(shí)，宋雪雁等人將微信公眾號(hào)的交互品質(zhì)（評(píng)論及評(píng)論響應(yīng)情況）作為服務(wù)質(zhì)量的標(biāo)準(zhǔn)之一[22]。謝佳琳將響應(yīng)性作為了服務(wù)質(zhì)量的一個(gè)衡量維度[12]。黃煒等人將消息回復(fù)模式和每日推送頻率作為服務(wù)質(zhì)量的評(píng)價(jià)指標(biāo)[17]。因此本文提出以下假設(shè)：

H3a：評(píng)論響應(yīng)量對(duì)政務(wù)微信用戶的參與活躍度有積極影響。

H3b：每日發(fā)文對(duì)政務(wù)微信用戶的參與活躍度有積極影響。

（四）控制變量

研究選取了部門類型城市作為控制變量。政府部門的類型在很大程度上決定了政務(wù)微信推送文章的類型，而文章類型在一定程度上決定了文章的內(nèi)容和風(fēng)格，因此會(huì)影響到用戶的興趣，進(jìn)而影響用戶對(duì)政務(wù)微信的參與度。

二、研究方法

（一）數(shù)據(jù)收集

為驗(yàn)證上述研究假設(shè)，我們使用基于python的爬蟲程序按天采集了四川省市級(jí)政府各部門官方微信公眾號(hào)從2017年5月1日～2017年10月31日的數(shù)據(jù)，具體字段包括部門公眾號(hào)名稱、公眾號(hào)相關(guān)屬性（系統(tǒng)功能定制化、是否每日發(fā)文）、每日發(fā)文量、閱讀量、點(diǎn)贊量、評(píng)論數(shù)量以及公眾號(hào)對(duì)評(píng)論的響應(yīng)數(shù)量。四川省共有21個(gè)市，抓取的四川省市級(jí)政府部門微信公眾號(hào)共計(jì)342個(gè)，除去在此期間發(fā)文數(shù)為0的政務(wù)微信公眾號(hào)，余下總計(jì)323個(gè)，時(shí)間跨度為184天，整理后的面板數(shù)據(jù)共計(jì)59532條。

（二）變量測(cè)量

公眾參與活躍度作為本文的因變量，主要涉及三個(gè)維度，即閱讀量、點(diǎn)贊量和評(píng)論量。研究將三者結(jié)合起來對(duì)公眾參與活躍度進(jìn)行度量。本研究的第一個(gè)自變量是系統(tǒng)質(zhì)量，即系統(tǒng)功能的定制化。第二個(gè)自變量是信息質(zhì)量，即每天的發(fā)文數(shù)量。第三個(gè)自變量是服務(wù)質(zhì)量，即評(píng)論響應(yīng)量和是否每日發(fā)文。部門類型根據(jù)傳統(tǒng)的九大口分類原則，將政府各部門分為九類，具體分類如表1所示。

表1 “九大口”部門分類表

各主要變量的描述性統(tǒng)計(jì)見表2。相關(guān)系數(shù)矩陣見表3。通過表3可以看出，除因變量的3個(gè)維度外，自變量與因變量之間、自變量與自變量之間的相關(guān)系數(shù)均不高，全部低于0.7，大部分都低于0.5。因此，變量間不存在高度相關(guān)性。

表2 描述性統(tǒng)計(jì)量

表3 相關(guān)系數(shù)表

三、數(shù)據(jù)分析

（一）模型設(shè)定

本研究采用計(jì)量模型對(duì)政務(wù)微信公眾參與活躍度的影響機(jī)理進(jìn)行研究。公眾參與活躍度作為本研究的因變量，通過每天每個(gè)政務(wù)微信公眾號(hào)所發(fā)文章的總閱讀量、點(diǎn)贊量和評(píng)論量三者加和進(jìn)行度量，為了平滑變量數(shù)值取其對(duì)數(shù)。在自變量中，發(fā)文量、評(píng)論響應(yīng)量為數(shù)值變量，也對(duì)其進(jìn)行取對(duì)數(shù)操作；每日發(fā)文、系統(tǒng)功能的定制化為虛擬變量，是取1，否則取0。具體模型設(shè)定如下：

其中φi是城市固定效應(yīng)， Tt是時(shí)間固定效應(yīng)，αi是部門的固定效應(yīng)，εit是模型擾動(dòng)項(xiàng)。

（二）假設(shè)檢驗(yàn)

通過混合OLS、固定效應(yīng)模型、隨機(jī)效應(yīng)模型等方法對(duì)模型參數(shù)進(jìn)行估計(jì)，驗(yàn)證系統(tǒng)質(zhì)量、信息質(zhì)量和服務(wù)質(zhì)量對(duì)于公眾參與活躍度的影響。回歸分析的結(jié)果如表4所示。

我們首先采用混合OLS回歸結(jié)果作為基準(zhǔn)模型，估計(jì)結(jié)果如表4模型（1）列所示。在模型（1）結(jié)果中，研究所關(guān)心的自變量全部在99%的水平下顯著，證實(shí)了我們提出的假設(shè)。接下來我們分別采用固定效應(yīng)和隨機(jī)效應(yīng)模型進(jìn)行參數(shù)估計(jì)，結(jié)果如模型（2）列和（3）列所示。Breusch 和Pagan LM隨機(jī)效應(yīng)檢驗(yàn)結(jié)果表明隨機(jī)效應(yīng)模型比混合OLS模型更加合適。進(jìn)一步，我們對(duì)模型（2）和（3）進(jìn)行了Hausman檢驗(yàn)，結(jié)果拒絕使用隨機(jī)效應(yīng)模型的假設(shè)，采用固定效應(yīng)模型更為合適。但是，鑒于固定效應(yīng)模型結(jié)果和隨機(jī)效應(yīng)模型結(jié)果是高度一致的，并且固定效應(yīng)模型無法估計(jì)那些不隨時(shí)間變化的自變量的效應(yīng)，因此，我們使用隨機(jī)效應(yīng)模型估計(jì)結(jié)果作為參數(shù)估計(jì)的基準(zhǔn)結(jié)果。根據(jù)表4模型（3）的結(jié)果，功能的定制化顯著正向影響公眾的參與行為（beta=0.252，p＜0.05），因此H1得證。從信息質(zhì)量的角度看，每日發(fā)文量顯著正向影響公眾的參與行為（beta=3.832，p＜0.01），H2得證。從服務(wù)質(zhì)量的角度看，評(píng)論響應(yīng)量顯著正向影響公眾的參與行為（beta=0.663，p＜0.01），因此H3a得證；是否每日發(fā)文也顯著正向影響公眾的參與行為（beta=0.603，p＜0.01），因此H3b也得證。

（三）穩(wěn)健性檢驗(yàn)

表4中的模型（4）、模型（5）和模型（6）均為穩(wěn)健性檢驗(yàn)的部分。模型（4）采用了Driscoll-Kraay標(biāo)準(zhǔn)誤的方法以控制模型中潛在存在的異方差、自相關(guān)以及截面間的相關(guān)，得到的結(jié)果是幾乎所有變量都在99%的水平下顯著，模型的穩(wěn)健性得到了驗(yàn)證。同時(shí)，模型（5）和模型（6）則從所有數(shù)據(jù)中隨機(jī)抽取了50%、75%再次用隨機(jī)效應(yīng)模型分析，得到的結(jié)果與模型（3）保持一致，這也進(jìn)一步證實(shí)了回歸結(jié)果具有穩(wěn)健性?？紤]到發(fā)文量和評(píng)論的回復(fù)量可能存在內(nèi)生性，我們使用了工具變量法進(jìn)行了估計(jì)，表4最后一列（模型7）列出了估計(jì)結(jié)果，依然表明回歸結(jié)果具有穩(wěn)健性。

表4 回歸結(jié)果

四、結(jié)語

政務(wù)微信的發(fā)展對(duì)于推進(jìn)“互聯(lián)網(wǎng)+電子政務(wù)服務(wù)”建設(shè)十分重要。以往文獻(xiàn)研究了政務(wù)媒體的用戶參與意愿和接受度，且主要涉及政務(wù)微博。本研究的貢獻(xiàn)在于將政務(wù)微信的用戶參與活躍度作為研究對(duì)象，基于實(shí)證數(shù)據(jù)建立計(jì)量模型深入分析哪些因素會(huì)影響用戶的參與行為。本研究發(fā)現(xiàn)系統(tǒng)質(zhì)量（系統(tǒng)功能的定制化）、信息質(zhì)量（發(fā)文量）和服務(wù)質(zhì)量（評(píng)論響應(yīng)量和是否每日發(fā)文）均對(duì)用戶的參與行為有顯著的影響?；诖私Y(jié)論，我們提出以下幾點(diǎn)建議。

在系統(tǒng)質(zhì)量方面，我們建議政務(wù)微信的功能定制化—自定義菜單方面做到條理分明且富有特色。一般而言，一級(jí)菜單可以有三個(gè)選項(xiàng)，可分為宣傳類、服務(wù)類、互動(dòng)類。其中，宣傳類可以包括該政府部門的基本情況、規(guī)章制度、政策解讀以及最新動(dòng)態(tài)等，便于公眾全面了解該部門；服務(wù)類可以將公眾需求度高的信息放入其中?；?dòng)類則應(yīng)設(shè)置咨詢、意見與建議等。同時(shí)，部門也可以設(shè)置富有該部門特色的自定義菜單，例如有的部門會(huì)為了普及知識(shí)或推廣政務(wù)服務(wù)方式而舉辦一些活動(dòng)，包括有獎(jiǎng)知識(shí)問答等，這時(shí)相關(guān)部門政務(wù)微信的菜單設(shè)置里就可以放上活動(dòng)的參與入口以增加便捷性。

在信息質(zhì)量方面，我們建議政務(wù)微信通過增加發(fā)布內(nèi)容的趣味性、新鮮感和注重細(xì)節(jié)等方式提升信息質(zhì)量。首先，政務(wù)消息大都因正式而略顯枯燥，建議相關(guān)部門由此下手，將趣味性不足的政策消息或新聞?shì)o以生動(dòng)貼切的圖片或漫畫，增加文章內(nèi)容的吸引力。其次，建議公眾號(hào)方面盡量保證發(fā)布信息的時(shí)效性，要使觀眾有“新鮮感”。即使是發(fā)布大家都已經(jīng)了解的消息，也應(yīng)有獨(dú)特的見解，要讓公眾讀后“有所獲”。最后，公眾號(hào)發(fā)布的文章應(yīng)該注重細(xì)節(jié)。每一個(gè)字，每一句話，每一張圖，甚至標(biāo)點(diǎn)符號(hào)，都要考慮它會(huì)不會(huì)影響公眾的閱讀體驗(yàn)。

在服務(wù)質(zhì)量方面，我們建議從多方面提升政務(wù)微信的服務(wù)質(zhì)量。首先，政務(wù)微信方可以積極響應(yīng)用戶的評(píng)論，提升公眾的存在感，使被回復(fù)的用戶感受到被重視，這有助于該用戶對(duì)該政務(wù)微信的持續(xù)參與。其次，政務(wù)微信應(yīng)該盡量做到每日發(fā)文。第三，在自定義菜單的服務(wù)板塊，政府部門可以增大服務(wù)力度，增加微信端的功能，增加公眾辦事的便捷性。第四，在互動(dòng)板塊，政府部門方面可以及時(shí)且有效回復(fù)公眾對(duì)于某些問題的咨詢，積極聽取用戶的意見，對(duì)公眾提出的建議也積極考慮。

同時(shí)，本研究還存在一些不足。例如數(shù)據(jù)中沒有包含政務(wù)微信發(fā)布文章內(nèi)容的一些具體信息，文章字?jǐn)?shù)和文章圖片數(shù)，數(shù)據(jù)僅限于四川省市級(jí)政府部門微信公眾號(hào)，這樣的結(jié)論可能不夠準(zhǔn)確。我們建議未來的研究提取文章內(nèi)容的具體信息可以做進(jìn)一步的研究，數(shù)據(jù)也可以更加廣泛，不僅限于某一個(gè)省或某一個(gè)級(jí)別，從而更加有效地研究用戶參與活躍度的影響機(jī)理。